德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 14 小时前普通员工/个人贡献者
沈阳市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Llm
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI算法工程师，3年经验，跨国企业，薪资处于当地中高水平，含年终奖约13薪。
职位详情
关于这个职位
这是一位AI算法工程师职位，虽然职位标题为Industrial Engineering ES，但实际工作聚焦于机器学习、深度学习、NLP及大语言模型（LLM）的应用开发
你将负责算法设计、模型训练与调优、LLM应用落地，以及推理优化等工作
适合有3年以上经验、对前沿AI技术有热情的候选人
最低要求
· 本科及以上学历，计算机科学、数学、工业工程、人工智能应用、数学等相关专业
· 扎实的数学基础，熟悉线性代数，概率统计，最优化理论
· 精通Python编程语言，熟悉Pandas，Scikit-learn等数据处理工具
· 熟练掌握TensorFlow，PyTorch，MindSpore等至少一种深度学习框架
· 具备至少3年AI算法研发或者大模型应用开发相关经验
· 独立主导或完整参与过至少2个AI项目的算法设计，开发，与落地
· 英语可作为工作语言
工作职责
· 负责机器学习，深度学习，自然语言处理(NLP)等领域的算法设计与开发，构建面向业务场景的定制化AI解决方案
· 负责独立完成数据挖掘，特征工程，模型训练与调优工作，提升模型在准确率，泛化能力，实时性等方面的表现
· 探索大规模语言模型（LLM）在对话系统，知识图谱，内容生成，智能推荐等应用场景，推动大模型技术在企业级场景的落地
· 设计实现Prompt Engineering方案，结合LangChain，Llamalndex等工具构建基于LLM的企业级AI应用系统
· 熟悉数据处理技术（数据清洗、特征提取）及工具（如Pandas、Scikit-learn），利用机器学习算法完成数据的聚类分布等，支撑结构LLM微调数据集工作
· 优化LLM推理流程，利用vLLM, Ollama, TGI等推理框架提升服务性能，降低延迟，提高吞吐量
掌握量化，蒸馏等模型轻量化技术
· 参与大模型继续预训练、微调、RAG（检索增强生成）、Agent（智能体）领域适配等工作，提升模型在垂直领域的表现
· 完成AI模型从训练、调参、测试到部署的全生命周期管理，确保模型在生产环境中的稳定性与高性能
· 在其专业领域内担任内部及外部联络人，参与内部工作组协作
· 编制内部相关文件并按需进行内部汇报
· 识别公司内部本领域持续教育需求
规划并实施复杂主题的内部及外部培训（含国内与国际培训）
· 协助制定并优化本专业领域的内部标准与流程
· 观察/识别专业领域趋势以制定方案
提出行动建议（如规划方法等）
· 在其专业领域内主要开展概念性工作
· 管理、控制和协调子项目，依据检查清单和绩效指标监控项目执行与目标达成情况
· 进行复杂分析以优化流程并制定改进措施
AI 洞察
优缺点分析
优点
- 涉及LLM等前沿技术，技术成长速度快
- 跨国车企平台稳定，资源丰富，有内部培训和国外交流机会
- 沈阳生活成本相对低，薪资在当地具有竞争力
- 工作内容多元化，涵盖算法、部署、培训等，综合能力提升快
- 职位名称与实际工作内容可能不一致，需心理准备
缺点 / 挑战
- AI领域技术迭代快，需持续学习，压力较大
- 作为外资企业，英语工作环境要求较高，需要适应跨国协作
- 适合对AI算法和LLM有浓厚兴趣、具备3年以上经验、愿意在汽车行业深耕并接受多元化挑战的工程师
角色解读
- 在AI领域深耕，从算法工程师成长为高级算法专家或技术负责人
- 有机会接触汽车行业的AI应用场景，向行业解决方案架构师方向发展
- 跨国企业提供国际培训和交流机会，可拓展全球化职业视野
- 负责AI算法（机器学习、深度学习、NLP）的设计与开发，针对具体业务场景定制解决方案
- 进行数据挖掘、特征工程、模型训练与调优，提升模型精度和泛化能力
- 探索并落地大语言模型（LLM）在对话、知识图谱、内容生成等场景的应用，包括Prompt工程和RAG
- 优化模型推理性能，使用vLLM、Ollama等框架，并管理模型从训练到部署的全生命周期
- 扎实的数学基础（线性代数、概率统计、优化理论），掌握机器学习核心算法
- 精通Python，熟悉Pandas、Scikit-learn等数据处理库
- 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch等）
- 了解LLM相关技术，如LangChain、RAG、模型微调和推理优化
申请策略
- 申请时注明对AI在汽车行业应用的兴趣，展示长期发展意愿
- 了解德科斯米尔的业务方向，在面试中结合具体场景
- 突出独立主导AI项目的经验，具体描述算法设计、开发和落地的成果
- 强调Python和深度学习框架的熟练度，并列举实际项目中的技术栈
- 如有LLM相关项目（如对话系统、RAG）务必详细展示
- 体现英语能力，如CET-6或雅思成绩，或海外经历
- 熟悉LangChain、LlamaIndex等LLM应用框架，并动手实践
- 学习模型轻量化技术（量化、蒸馏）和推理优化工具（vLLM）
面试指南
- 用STAR法则（情境-任务-行动-结果）回答项目经历
- 对技术问题，先阐述原理，再结合项目经验说明
- 对开放性问题，展现逻辑思维和对行业趋势的思考
- 请介绍一个你主导的AI项目，包括挑战和解决方案
- 如何选择机器学习模型？如何评估模型效果？
- 谈谈你对LLM的理解，以及如何在一个企业场景中落地？
- 如何优化大模型推理速度？你熟悉哪些框架？
- 你如何看待AI在汽车制造业中的应用前景？
职位点评
68
综合评分
跨国车企的AI算法岗，前沿技术驱动，薪资中位，WLB不明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长、对AI前沿充满热情、不排斥现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展88
工作生活50
使命价值60
薪资福利
65中等
薪资未明确披露，但跨国企业提供稳定的福利和平台，整体补偿性处于中等水平。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
88较高
涉及LLM等前沿技术，且有内部培训和持续教育支持，成长机会丰富。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、RAG、vLLM、Python、TensorFlow、PyTorch
成长机会持续教育、培训
业务类型ambiguous
工作生活
50较低
工作地点固定，未提及弹性办公或加班情况，WLB信号不明，生活方式满足度一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
60中等
汽车行业成熟稳定，AI应用有实际价值，但社会影响力中性，意义感尚可。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
德科斯米尔 的其他在招职位
相似职位推荐
Watch Jobs